學(xué)什么？數(shù)據(jù)分析要學(xué)習(xí)的內(nèi)容大致分為六個(gè)板塊，分別是:Excel精通Excel分析工具，掌握Excel經(jīng)典函數(shù)，準(zhǔn)確快速完成數(shù)據(jù)清理，運(yùn)用Excel數(shù)據(jù)透視和可視化，透過(guò)現(xiàn)象看本質(zhì)。MySQL了解MySQL數(shù)據(jù)庫(kù)的相關(guān)概念和存儲(chǔ)原理，掌握添加、刪除、修改、搜索等SQL的基本語(yǔ)法，掌握數(shù)據(jù)庫(kù)性能調(diào)優(yōu)策略，熟練使用SQL進(jìn)行數(shù)據(jù)清洗和數(shù)據(jù)標(biāo)準(zhǔn)化。

Python學(xué)習(xí)Python編程語(yǔ)言的基礎(chǔ)知識(shí)，了解Python程序的計(jì)算機(jī)運(yùn)行原理，能夠運(yùn)用Python編程處理工作中的重復(fù)性工作。掌握網(wǎng)絡(luò)數(shù)據(jù)抓取技術(shù)，Python數(shù)據(jù)庫(kù)應(yīng)用開(kāi)發(fā)，實(shí)現(xiàn)Python數(shù)據(jù)可視化操作，提高數(shù)據(jù)采集和數(shù)據(jù)分析能力。掌握Python數(shù)據(jù)分析Processing基礎(chǔ)Library，具備運(yùn)用Python語(yǔ)言解決數(shù)據(jù)分析中實(shí)際問(wèn)題的能力。

數(shù)據(jù)分析需要掌握的內(nèi)容:對(duì)于一個(gè)初學(xué)者數(shù)據(jù)分析老師，需要了解統(tǒng)計(jì)內(nèi)容、公式計(jì)算、統(tǒng)計(jì)模型等。當(dāng)你得到一個(gè)數(shù)據(jù)集時(shí)，你首先需要知道數(shù)據(jù)集的質(zhì)量，并進(jìn)行描述性統(tǒng)計(jì)。對(duì)于進(jìn)階數(shù)據(jù)分析老師，必須具備統(tǒng)計(jì)模型的能力，并對(duì)線性代數(shù)有一定的了解。分析工具對(duì)于分析工具來(lái)說(shuō)，SQL是必須的，并且要熟悉Excel透視表和公式的使用。另外，你要學(xué)習(xí)一個(gè)統(tǒng)計(jì)分析工具。SAS是很好的入門，VBA是基本必需品，SPSS/SAS/R至少要熟練使用其中一種，其他分析工具(如Matlab)可以視情況而定。

涉及到各種統(tǒng)計(jì)函數(shù)和工具，R無(wú)疑是有優(yōu)勢(shì)的。而大數(shù)據(jù)處理能力不足，學(xué)習(xí)曲線陡峭。Python適用性強(qiáng)，可以腳本化分析過(guò)程。所以如果想在這方面發(fā)展，學(xué)習(xí)Python還是挺有必要的。當(dāng)然，其他編程語(yǔ)言也需要掌握。要有獨(dú)立把數(shù)據(jù)變成自己用的能力，SQL是最基礎(chǔ)的。你必須能夠使用SQL查詢數(shù)據(jù)，并編寫(xiě)程序快速分析數(shù)據(jù)。

離線數(shù)據(jù)倉(cāng)庫(kù):Java、MySQL、Maven、Git、OpenResty、Linux、Shell、HDFS、YARN、Zookeeper、MapReduce、Scala、Python、SparkCore、Hive、SparkSQL、Presto、Sqoop、DataX、Flume、CDH、數(shù)據(jù)倉(cāng)庫(kù)。

1、預(yù)測(cè)分析能力數(shù)據(jù)挖掘可以讓分析師更好的理解數(shù)據(jù)，預(yù)測(cè)分析可以根據(jù)可視化分析和數(shù)據(jù)挖掘的結(jié)果做出一些預(yù)測(cè)性的判斷。2.數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理是一些管理最佳實(shí)踐。通過(guò)標(biāo)準(zhǔn)化流程和工具處理數(shù)據(jù)可以確保預(yù)定義的高質(zhì)量分析結(jié)果。3.可視化分析數(shù)據(jù)可視化是數(shù)據(jù)分析 tool最基本的要求，無(wú)論是對(duì)于專家還是普通用戶。

4.語(yǔ)義引擎我們知道非結(jié)構(gòu)化數(shù)據(jù)的多樣性帶來(lái)了數(shù)據(jù)分析的新挑戰(zhàn)，我們需要一系列的工具來(lái)解析、提取和分析數(shù)據(jù)。語(yǔ)義引擎需要被設(shè)計(jì)成智能地從“文檔”中提取信息。5.數(shù)據(jù)挖掘算法可視化是給人看的，數(shù)據(jù)挖掘是給機(jī)器看的。聚類、分割、離群點(diǎn)分析等算法讓我們可以深入挖掘數(shù)據(jù)，挖掘價(jià)值。這些算法不僅要處理大數(shù)據(jù)量，還要處理大數(shù)據(jù)速度。

-1/大數(shù)據(jù)是存儲(chǔ)和計(jì)算。大數(shù)據(jù)的特點(diǎn)是數(shù)據(jù)規(guī)模大，所以首要問(wèn)題是存儲(chǔ)。那么核心問(wèn)題就是大數(shù)據(jù)量的計(jì)算。這兩部分構(gòu)成了大數(shù)據(jù)的基礎(chǔ)?；A(chǔ):java SE，EE(SSM)學(xué)習(xí)大數(shù)據(jù)所需的大數(shù)據(jù)框架90%都是用java編寫(xiě)的，比如MongoDB最流行的，跨平臺(tái)的，面向文檔的數(shù)據(jù)庫(kù)。Hadoop是用Java編寫(xiě)的開(kāi)源軟件框架，用于超大型數(shù)據(jù)集的分布式存儲(chǔ)和分布式處理。

1，理論知識(shí)要廣博，涉及數(shù)學(xué)，市場(chǎng)，技術(shù)。需求和數(shù)據(jù)敏感性，包括統(tǒng)計(jì)知識(shí)、市場(chǎng)調(diào)研、模型原理等，2.常規(guī)分析工具的應(yīng)用，包括數(shù)據(jù)庫(kù)、數(shù)據(jù)挖掘、統(tǒng)計(jì)分析工具、常用辦公軟件(Excel、PPT、思維導(dǎo)圖)等。3.有一定的業(yè)務(wù)理解能力，能理解業(yè)務(wù)背后的業(yè)務(wù)邏輯，因?yàn)橹挥辛私饬藰I(yè)務(wù)問(wèn)題，才能轉(zhuǎn)化為數(shù)據(jù)分析的問(wèn)題，才能滿足部門的要求。